[发明专利]一种基于层次化密集架构搜索的遥感灾害场景制图方法

说明书

本发明涉及一种基于层次化密集架构搜索的遥感灾害场景制图方法，用于复杂多灾害场景的地表覆盖制图与损毁评估，辅助灾害应急相应与决策。设计高效层次化密集架构搜索框架，搜索阶段结合现有各类深度编码器，自适应优化多尺度密集解码器架构参数，以满足当前场景各类受灾地物特征高效融合，通过广度优先解码最优解码架构；训练阶段通过迁移深度编码器模型参数，联合搜索得到的解码结构，实现高效模型训练。本发明能够解决复杂灾害场景网络架构设计难度高，时间成本昂贵等问题，无须人工设计深度解译架构，面对各类灾害或其他复杂场景均能实现数据到解译结果的高效全自动化。

技术领域

本发明属于高分辨率遥感影像识别领域，特别涉及一种基于层次化密集架构搜索的遥感灾害场景制图方法。

背景技术

高空间分辨率遥感影像提供了丰富的地表细节，使我们能够更清晰地观察地球环境。为了快速准确地获得感兴趣地物制图结果，过去几十年来大量研究提出了各种方法。传统方法侧重于手工特征和分类器的设计。然而，这些方法依赖于人类的专业知识，在面对海量数据和复杂的灾害场景时表现出制图精度低、迁移能力弱的问题。因此，先进的数据驱动算法被广泛研究，以各类深度全卷积神经网络及其变体为代表，被应用于各类遥感影像语义分割制图任务。虽然深度学习网络可以通过端到端监督自动提取和分类特征，但网络的设计仍然是手工的。深度学习网络的复杂设计过程需要大量跨学科知识，如计算机视觉和遥感解译。此外，由于大量的遥感数据和模型参数，手工设计的网络架构调整与验证周期往往很长，无法满足灾害场景下快速制图需求。

神经网络架构搜索能够以数据驱动的方式自动设计网络架构，降低对专业知识的要求。通过使用可学习参数对架构进行编码，神经网络架构搜索利用特定策略(梯度下降、强化学习、演化计算等)来优化参数。然而，现有的架构搜索方法在灾害场景制图任务中存在以下问题：1)它们专注于搜索编码器架构，搜索空间随着层数的加深呈指数增长。巨大的计算开销伴随着昂贵的时间成本。因此，只能搜索浅层网络，或者通过重复堆叠基本搜索单元来加深网络。这限制了模型的性能，无法适用于灾后地物分布复杂的情况。2)其对解码器的忽视导致空间细节恢复较弱，难以准确召回出灾害场景中地物细节与弱小目标。

发明内容

为了解决这些问题，我们提出了一种基于层次化密集架构搜索的遥感灾害场景制图方法，将重点转移到自适应解码器的搜索上。通过利用和固定现有的深度编码器结构，提高了搜索效率和模型的泛化性。该方法旨在自动设计解码器，以适应于现有编码器，同时生成一组遥感预训练权重。该方法能够提升网络搜索效率、保证网络深度与鲁棒性并增强解码器对地物细节解译能力。无须人工设计深度解译架构，面对各类灾害或其他复杂场景均能实现数据到解译结果的高效全自动化，及时响应应急需求。

本发明的目的在于提出一种基于层次化密集架构搜索的遥感灾害场景制图方法。在目前发展成熟的深度编码架构背景下，聚焦于解码架构搜索。为了高效地自动搜索遥感网络，我们设计了一个级联过程，包括层次化密集架构搜索和基于编码器权重迁移的模型训练。通过固定编码器架构，基于大规模遥感数据集的分层密集搜索可以在一天内完成。该框架与不同类型的编码器兼容，具有高度的可扩展性和通用性。在搜索到最优架构后，基于编码器权重迁移的模型训练利用搜索阶段的编码器权重进行初始化，在下游灾害场景制图任务进行重新训练，从而实现特定制图任务的迁移。

本发明提供一种基于层次化密集架构搜索的遥感灾害场景制图方法，实现步骤如下：

步骤1，构建特定灾害场景地表覆盖分类影像样本库，收集洪水、飓风等灾害受击后的高分辨率遥感影像，按比例划分训练集、验证集与测试集，并对数据进行归一化，对训练集进行数据增强。

步骤2，构建层次化密集搜索空间用于解码架构搜索，层次化密集搜索空间包含密集连接的层级搜索空间与多尺度算子集搜索空间；通过结合现有深度编码模型，在训练集上实现解码架构可微分搜索，并利用多尺度融模块对解码架构输出的多尺度特征进行融合，获取最终制图概率输出。